ΤΟ BLOG
12/01/2019 11:40 EET | Updated 12/01/2019 11:40 EET

Αλγόριθμοι και περιστέρια: Γιατί η τεχνητή νοημοσύνη θα αργήσει να μας αντικαταστήσει

Πέντε είναι οι βασικοί λόγοι

PhonlamaiPhoto via Getty Images

«Βαθειά, μέσα στο ανθρώπινο ασυνείδητο, υπάρχει μια βασική επιθυμία για ένα σύμπαν στο οποίο όλα έχουν νόημα. Το πραγματικό σύμπαν όμως είναι πάντα ένα βήμα πάνω από τη λογική»

Frank Herbert, Dune, 1965

Το ’80 και του ’90 ήταν χρυσές δεκαετίες για τις ταινίες επιστημονικής φαντασίες. Νεαροί ταξιδέψαμε με το Star Trek και το Star Wars στα άκρα του σύμπαντος. Γνωρίσαμε φιλικούς εξωγήινους στον Ε.Τ. και… όχι τόσο γλυκούς στο Alien. Μέσα από πλήθος ταινιών προειδοποιηθήκαμε ότι η τεχνολογία τελικά θα επικρατήσει- πιθανότατα με τη βοήθεια ρομπότ που μοιάζουν με αυστριακούς μπόντυ-μπίλντερς.

Πριν από κάποια χρόνια, όταν διάβασα το βιβλίο Flash Boys του Michael Lewis (The Big Short) που εξηγούσε πώς τα μαθηματικά και τα αλγοριθμικά ρομπότ ήδη κυριαρχούν στις αγορές, ήμουν σίγουρος ότι η εποχή των ρομπότ είχε ήδη επέλθει. Όταν, πριν από περίπου ένα χρόνο το AlphaZero, η τεχνητή νοημοσύνη της Google έγινε μέσα σε τέσσερις ώρες ο καλύτερος σκακιστής του κόσμου, ξεκίνησα διακριτικά να ψάχνω για καινούρια δουλειά…

Όπως και συγγραφείς επιστημονικής φαντασίας, που είχαν φανταστεί ότι μέχρι το 2001 θα πηγαινοερχόμαστε στο φεγγάρι για διακοπές και θα συνομιλούσαμε με έξυπνους υπολογιστές, έτσι και εγώ είχα προεκτείνει πολύ στο μέλλον. Όπως και εκείνοι, που ποτέ δεν είχαν φανταστεί ότι στον 21ο αιώνα θα ήμασταν κολλημένοι στη γη, προσπαθώντας να καταλάβουμε το τελευταίο λειτουργικό των κινητών μας, είχα άδικο. Μιλώντας με αρκετούς ανθρώπους εξυπνότερους από εμένα στο Λονδίνο, κατάλαβα το γιατί.

Οι ψυχολόγοι το αποκαλούν “Framing Bias”, προκατάληψη πλαισίου. Το να χρησιμοποιεί κανείς μη αντικειμενικές πληροφορίες, να κατασκευάζει ένα λανθασμένο πλαίσιο και συνεπώς να καταλήγει σε λάθος συμπεράσματα. Στην πραγματικότητα, τα ρομπότ είναι πολύ μακριά από το να καταλάβουν πολύπλοκα συστήματα όπως παραδείγματος χάριν οι αγορές. Κοιτώντας το ιστορικό όλων αυτών των νεωτεριστικών επενδύσεων, γίνεται αντιληπτό ότι δεν είναι αρκετά εκτενές για να μπορεί κανείς να μιλήσει για κυριαρχία των αγορών. Και ενώ στη θεωρία η χρήση μαθηματικών αποκλείει τις ψυχολογικές προκαταλήψεις, στην πράξη αυτό μπορεί να μην ισχύει.

Πέντε είναι οι βασικοί λόγοι για τους οποίους τα ρομπότ απέχουν πολύ ακόμα από το να μας καταλάβουν τη ζωή:

  1. Η ζωή, ο κόσμος, οι αγορές, είναι «Ανοιχτά» συστήματα. Επειδή το σκάκι έχει ως παιχνίδι ένα στάτους «εξυπνάδας», επαγωγικά σκεφτόμαστε ότι ο υπολογιστής που κερδίζει στο σκάκι πρέπει να είναι «έξυπνος». Όμως στο σκάκι υπάρχουν 32 κομμάτια, 64 τετράγωνα, και συγκεκριμένοι επαναλαμβανόμενοι κανόνες. Είναι πεπερασμένο. Αντίθετα, τα περισσότερα συστήματα που έχουν να κάνουν με ανθρώπους αγγίζουν το άπειρο. To 1931 o γερμανός φιλόσοφος Κούρτ Γκέντελ, απέδειξε μαθηματικά, ότι δεν μπορεί να υπάρξει ένα μοντέλο που να εξηγεί τα πάντα. Συνεπώς, δεν μπορεί να υπάρξει και ένα ρομπότ ή αλγόριθμος εξυπνότερος από το σύνολο της ανθρωπότητας. Για να μπορέσει ένας υπολογιστής να αναλύσει το ουσιαστικά «άπειρο» πρέπει να αναπτύξει κανόνες λήψης αποφάσεων, όπως ακριβώς και οι άνθρωποι. Άρα, πρέπει να αναπτύξει πνευματικές παρακάμψεις, όμοιες με τις ανθρώπινες ψυχολογικές προκαταλήψεις. Ένας «έξυπνος» υπολογιστήςλοιπόν, θαείναιπολύ «ανθρώπινος».

  2. Μαθηματικά και στατιστική. Είναι πολύ απλό να μπερδεύουμε τα δύο, μιας και τα δύο φαινομενικά χρησιμοποιούν αριθμούς. Ενώ όμως στα μαθηματικά 1+1 ίσον πάντα 2, στη στατική, 1+1 κάνει λίγο πάνω, ή λίγο κάτω από το 2. Συνήθως, γιατί μερικές φορές μπορεί να κάνει και 5. Το παράδειγμα είναι υπεραπλουστευμένο, αλλά καταδεικνύει ότι η στατιστική δεν είναι ακριβής επιστήμη, παρά μόνο μια προσέγγιση της πραγματικότητας. Οι επιστήμες που επηρεάζουν την καθημερινότητα μας, τα οικονομικά, η πολιτική, η ψυχολογία, η διοίκηση επιχειρήσεων, ως ένα σημείο και η ιατρική, είναι «κοινωνικές» επιστήμες, βασίζονται δηλαδή στη στατιστική, και όχι στα μαθηματικά. Οι υπολογιστές αντίθετα, και η τεχνητή νοημοσύνη, λειτουργούν με μαθηματικές βεβαιότητες.

  3. Σειρά διαδικασίας. Οι περισσότερες θεωρίες μας προκύπτουν από παρατήρηση του περιβάλλοντος. Συνήθως, πρώτα βλέπουμε κάτι να δουλεύει, και μετά αναπτύσσουμε θεωρίες γύρω από αυτό. Συχνές, βέβαια, εξαιρέσεις είναι η θρησκεία και οι πολιτικές ιδεολογίες, αλλά η χρηστικότητα και των δύο άπτεται του ψυχολογικού και όχι τόσο του πρακτικού. Πώς θα προγραμματίσουμε λοιπόν έναν υπολογιστή να είναι καλύτερος από εμάς, όταν του λέμε να το κάνει με το να παρατηρήσει ότι ήδη έχουμε κάνει εμείς;

  4. Κβαντικοί υπολογιστές. Σε αντίθεση με έναν απλό ηλεκτρονικό υπολογιστή, οι κβαντικοί υπολογιστές ίσως έχουν την υπολογιστική δυνατότητα να αναλύσουν, αν όχι το άπειρο, αρκετές πληροφορίες για να είναι ουσιαστικά ανώτερες από τα ανθρώπινα συστήματα λήψης αποφάσεων. Απέχουμε όμως πολλά χρόνια για αυτό. ΗΠΑ και Κίνα ανταγωνίζονται για τη δημιουργία του πρώτου τέτοιου υπολογιστή. Για το 2019, οι ΗΠΑ προγραμματίζουν $1,2 δις για έρευνα σε κβαντικούς υπολογιστές. Ακούγεται μεγάλο νούμερο, αλλά αν σκεφτεί κανείς ότι ο Πρόεδρος προτιμά να ξοδέψει 25 φορές περισσότερο για να φτιάξει ένα τσιμεντένιο τοίχο με το Μεξικό, αντιλαμβάνεται κανείς ότι οι προτεραιότητες των κυβερνήσεων είναι πολύ μακριά από τέτοια αναπτυξιακά σχέδια. Ακόμα και να φτιαχτεί, θα περάσουν πολλές δεκαετίες μέχρι να γίνει εμπορικός, όπως ακριβώς με τους προσωπικούς υπολογιστές και το ίντερνετ. Οπότε ακόμα και αν μπορούσαμε να προσεγγίσουμε κάπως ένα «ανοιχτό σύστημα», η τεχνολογία ακόμα απέχει.

  5. Περιβάλλον. Παρ’όλα αυτά, ας υποθέσουμε ότι αύριο η τεχνολογία υπάρχει. Δεν πρέπει να ξεχνάμε ότι το περιβάλλον του υπολογιστή εξακολουθεί να ορίζεται από ανθρώπους. Οι αποφάσεις που ορίζουν το περιβάλλον του υπολογιστή είναι ανθρώπινες, άρα και απρόβλεπτες η «παράλογες» για ένα λογικό όν (το Τείχος με το Μεξικό που λέγαμε, οι αποφάσεις των κεντρικών τραπεζών, εκλογές, δημοψηφίσματα –αχ!- κλπ). Ένα μάλιστα πρόβλημα των κβαντικών υπολογιστών, είναι ότι παύουν να λειτουργούν όταν έρχονται σε επαφή με το περιβάλλον. Επίσης, αν ο υπολογιστής γίνει επικίνδυνος, μπορεί πάντα να καταστραφεί. Ο «έξυπνος» υπολογιστής θα πρέπει να επιβιώσει και να επικρατήσει σε ένα περιβάλλον εγγενώς εχθρικό για αυτόν.

Το μέλλον έχει πάντα ένα τρόπο να καταλαμβάνει τη φαντασία μας. Τo δέλεαρ του ιδεατού απέναντι στη προβλεπτικότητα του απτού. Δεν πρέπει όμως αυτό να μας κάνει να πιστέψουμε ότι το μέλλον είναι εγγύτερο από ότι πραγματικά είναι. Οι τράπεζες στρέφονται όλο και περισσότερο στο Robo-Advice, τις αυτοματοποιημένες συμβουλές για τους πελάτες τους. Όμως οι άνθρωποι, ιδιαιτέρως οι πλουσιότεροι, δεν θέλουν συμβουλές από ρομπότ αλλά από ανθρώπους.(Man And Machine: How Different Generations Approach Their Use of Technology). Όσο λοιπόν και να ονειρεύονται οι εταιρίες ότι μπορούν να αντικαταστήσουν τους ανθρώπους με ρομπότ, οι πωλήσεις εξακολουθούν να χρειάζονται ανθρώπινο συναίσθημα.

Η πραγματική τεχνητή νοημοσύνη μπορεί να είναι το μεγαλύτερο ανθρώπινο επίτευγμα μετά την εφεύρεση του τροχού. Όμως για να καταλάβουμε που είμαστε τώρα, σας συνιστώ να προσπαθήσετε να συζητήσετε με τηZo (@zochats),την τεχνητή νοημοσύνη της Microsoft στο Twitter. Θα συνειδητοποιήσετε γρήγορα ότι οι δυνατότητες της δεν είναι καλύτερες από αυτές ενός τετράχρονου παιδιού. Ο πρόγονος της, ο Tay, τέθηκε εκτός λειτουργίας μόλις 24 ώρες μετά τη γέννηση του, αφού τόσο χρειάστηκε για να μάθει να λατρεύει το Χίτλερ και να μισεί τους μετανάστες (πολλή οργή στο Twitter…).

Αν οι ταινίες έχουν σχηματίσει την άποψη μας για το μέλλον, ίσως μια άλλη ταινία μπορεί να μας βοηθήσει να καταλάβουμε καλύτερα την τεχνητή νοημοσύνη. Στο « Ένας υπέροχος άνθρωπος», με τον Russel Crowe, ο βραβευμένος με Νόμπελ John Nash, προσπαθεί μέσα στην παράνοια του, να προβλέψει με μαθηματικά την κίνηση των περιστεριών. Βεβαίωςαποτυγχάνει.Οι αλγόριθμοι μπορεί να έχουν κάποιες επιτυχίες στις βραχυπρόθεσμες προβλέψεις, αλλά όταν οι πιθανότητες αυξάνονται γεωμετρικά, τότε μπορούν μόνο να υποθέσουν.

Μην αφήνετε λοιπόν ακόμα τις δουλειές σας. Γνώσεις προγραμματισμού γίνονται όλο και πιο απαραίτητες, αλλά απέχουμε πολύ από μια πραγματική τεχνητή νοημοσύνη.

Sponsored Post